Mendeteksi keaktifan wajah - Amazon Rekognition

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mendeteksi keaktifan wajah

Amazon Rekognition Face Liveness membantu Anda memverifikasi bahwa pengguna yang melalui verifikasi wajah hadir secara fisik di depan kamera. Ini mendeteksi serangan spoof yang disajikan ke kamera atau mencoba mem-bypass kamera. Pengguna dapat menyelesaikan pemeriksaan Face Liveness dengan mengambil selfie video pendek di mana mereka mengikuti serangkaian petunjuk yang dimaksudkan untuk memverifikasi keberadaan mereka.

Face Liveness ditentukan dengan perhitungan probabilistik, dan kemudian skor kepercayaan (antara 0-100) dikembalikan setelah cek. Semakin tinggi skor, semakin besar kepercayaan diri bahwa orang yang mengambil cek itu hidup. Face Liveness juga mengembalikan bingkai, yang disebut gambar referensi yang dapat digunakan untuk perbandingan wajah dan pencarian. Seperti halnya sistem berbasis probabilitas, Face Liveness tidak dapat menjamin hasil yang sempurna. Gunakan dengan faktor lain untuk membuat keputusan berbasis risiko tentang identitas pribadi pengguna.

Face Liveness menggunakan beberapa komponen:

  • AWS Amplify SDK (React, Swift (iOS), dan Android) dengan komponen FaceLivenessDetector

  • AWS SDK

  • AWS API Cloud

Saat Anda mengonfigurasi aplikasi untuk diintegrasikan dengan fitur Face Liveness, aplikasi ini menggunakan operasi API berikut:

  • CreateFaceLivenessSession- Memulai sesi Face Liveness, membiarkan model deteksi Face Liveness digunakan dalam aplikasi Anda. Mengembalikan a SessionId untuk sesi yang dibuat.

  • StartFaceLivenessSession- Disebut oleh AWS Amplify FaceLivenessDetector. Memulai aliran acara yang berisi informasi tentang peristiwa dan atribut yang relevan dalam sesi saat ini.

  • GetFaceLivenessSessionHasil - Mengambil hasil sesi Face Liveness tertentu, termasuk skor kepercayaan Face Liveness, gambar referensi, dan gambar audit.

Anda akan menggunakan AWS Amplify SDK untuk mengintegrasikan fitur Face Liveness dengan alur kerja verifikasi berbasis wajah Anda untuk aplikasi web. Saat pengguna melakukan onboard atau mengautentikasi melalui aplikasi Anda, kirimkan mereka ke alur kerja pemeriksaan Face Liveness di Amplify SDK. Amplify SDK menangani antarmuka pengguna dan umpan balik real-time untuk pengguna saat mereka merekam selfie video mereka.

Saat wajah pengguna bergerak ke oval yang ditampilkan di perangkat mereka, Amplify SDK menampilkan urutan lampu berwarna di layar. Kemudian dengan aman mengalirkan video selfie ke API cloud. API cloud melakukan analisis waktu nyata dengan model HTML tingkat lanjut. Setelah analisis selesai, Anda menerima yang berikut di backend:

  • Skor kepercayaan diri Face Liveness (antara 0 dan 100)

  • Gambar berkualitas tinggi yang disebut gambar referensi yang dapat digunakan untuk pencocokan wajah atau pencarian wajah

  • Satu set hingga empat gambar, yang disebut gambar audit, dipilih dari video selfie

Face Liveness dapat dimanfaatkan untuk berbagai kasus penggunaan. Misalnya, Face Liveness dapat digunakan bersama dengan pencocokan wajah (dengan CompareFacesdan SearchFacesByImage) untuk verifikasi identitas, untuk estimasi usia pada platform dengan pembatasan akses berbasis usia, dan untuk mendeteksi pengguna manusia nyata sambil menghalangi bot.

Anda dapat mempelajari lebih lanjut tentang kasus penggunaan yang dimaksudkan untuk layanan ini, bagaimana pembelajaran mesin (ML) digunakan oleh layanan, dan pertimbangan utama dalam desain dan penggunaan layanan yang bertanggung jawab dalam kartu layanan Rekognition Face Liveness AI.

Anda dapat menetapkan ambang batas untuk skor kepercayaan Face Liveness dan face match. Ambang batas yang Anda pilih harus mencerminkan kasus penggunaan Anda. Anda kemudian mengirim persetujuan/penolakan verifikasi identitas kepada pengguna berdasarkan skor yang berada di atas atau di bawah ambang batas. Jika ditolak, minta pengguna untuk mencoba lagi atau mengirimkannya ke metode lain.

Grafik berikut menunjukkan alur pengguna, dari instruksi hingga pemeriksaan keaktifan hingga hasil yang dikembalikan:

Alur pengguna menunjukkan pemusatan wajah, bergerak lebih dekat, menahan diam untuk pemeriksaan keaktifan, dan hasil yang sukses dengan skor kepercayaan diri.